设为首页收藏本站

爱吱声

 找回密码
 注册
搜索
查看: 1548|回复: 4
打印 上一主题 下一主题

[信息技术] 继续请教问题:关于 Pytorch 的 Autograd

[复制链接]
  • TA的每日心情
    擦汗
    2024-12-25 23:22
  • 签到天数: 1182 天

    [LV.10]大乘

    跳转到指定楼层
    楼主
     楼主| 发表于 2023-2-14 13:09:28 | 只看该作者 回帖奖励 |倒序浏览 |阅读模式
    本帖最后由 雷达 于 2023-2-14 13:12 编辑
    ' v8 {4 o; o6 x) ?8 U/ j; n. ?3 G
    ) `# z' X& t# Q) M为预防老年痴呆,时不时学点新东东玩一玩。8 f- R3 q1 E8 j5 `0 X9 \' `, o' h
    Pytorch 下面的代码做最简单的一元线性回归:
    ( C; @) E4 f! f8 A  v----------------------------------------------
    4 Z, C4 ]1 F" B8 ]import torch
    " R7 x. W: D$ _3 P! }0 A! Qimport numpy as np
    ! t  ^! v% Q; u9 o4 fimport matplotlib.pyplot as plt
    ; O# m; \8 M3 J  j: q( \! _import random2 {: w  j4 S# o& O0 ^4 F
    - G1 H! q- Y4 Z& u" S, h7 U
    x = torch.tensor(np.arange(1,100,1))
      `( n* b, n! N( xy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
    + s3 g, O+ u- ~1 u5 s$ L
    / ?4 t* R3 j4 H. {0 b& E3 U. sw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b" u: E8 O: d2 G3 K, s
    b = torch.tensor(0.,requires_grad=True)8 ?# I5 K8 }9 K- z9 x  b
    & S, y" }& D0 A9 M7 x
    epochs = 100
    3 ^! Q2 x# P8 Q7 `9 r$ t6 F* z
    ! ]- T4 [* o9 Flosses = []
    / z; O3 O& X! z+ n9 W0 v5 qfor i in range(epochs):; b# o* x( o& u# S% w+ |
      y_pred = (x*w+b)    # 预测6 _" N$ |# ]8 N8 ?& P7 [* M- Z
      y_pred.reshape(-1)( V, {$ N3 a" L5 ~1 o) r
    , W. `% p5 {# _0 h) o( j
      loss = torch.square(y_pred - y).mean()   #计算 loss& m" V4 b5 E% [8 A& C) X+ X! T
      losses.append(loss)
    4 C. i7 U  }" n2 r" Q" q  
    3 ~% A8 F5 G$ C3 x, ?  loss.backward() # autograd
    3 R9 I* L, f4 }* g. q  with torch.no_grad():9 T3 Q0 \  V, a
        w  -= w.grad*0.0001   # 回归 w9 @  J! T6 _, T9 V
        b  -= b.grad*0.0001    # 回归 b
    8 z, ]! T: x+ ?  w.grad.zero_()  
    + \. q5 k5 Z; I( D3 d" ~3 O  b.grad.zero_()
    6 e: C! U( L; p# s
    ! J/ ]0 Q! J, @4 ?5 e; \; ]  Sprint(w.item(),b.item()) #结果" k6 {0 [3 \) u: L& d

    4 h1 v7 D  L$ y. h2 Q( JOutput: 27.26387596130371  0.4974517822265625
    $ i8 U, X. R! h9 \1 Y$ m1 v----------------------------------------------
    4 i2 F# L; Q4 B& L; V最后的结果,w可以回到 w0 = 27 附近,b却回不去 b0=15。两处红字,损失函数是矢量计算后的均值,感觉 b 的回归表达有问题。
      x. s$ q" M8 u高手们帮看看是神马原因?$ b; T6 y- A; ~. g/ K

    评分

    参与人数 1爱元 +10 收起 理由
    老票 + 10 不明觉厉

    查看全部评分

    该用户从未签到

    沙发
    发表于 2023-2-14 19:23:02 | 只看该作者
    本帖最后由 老福 于 2023-2-14 21:58 编辑 # I7 c' s6 R3 ?- a  ]

    " }  g6 d$ q$ r2 g; u( w. A没有用过pytorch,但你把随机噪音部分改成均值为0的正态分布再试试看是不是符合预期?8 V5 n' T0 m5 X4 o% i' g4 K
    -------7 k7 Z# g: `. C9 H. H& Q3 U
    不好意思,再看一遍,好像你在自算回归而不是用现成的工具直接出结果,上面的评论只有一点用,就是确认是不是算法有问题。
    ; U* s, E3 R( C: y' M- P-------
    5 t2 b2 B/ J$ {! X1 }5 Q6 W! l算法诊断部分,建议把循环次数改为1000, 再看看loss是不是收敛。有点怀疑你循环次数不够,因为你起点是0, 步长很小。只是直观建议。

    评分

    参与人数 1爱元 +10 收起 理由
    雷达 + 10 谢谢建议

    查看全部评分

    回复 支持 反对

    使用道具 举报

  • TA的每日心情
    擦汗
    2024-12-25 23:22
  • 签到天数: 1182 天

    [LV.10]大乘

    板凳
     楼主| 发表于 2023-2-14 21:52:57 | 只看该作者
    老福 发表于 2023-2-14 19:236 X( M$ p" i: f
    没有用过pytorch,但你把随机噪音部分改成均值为0的正态分布再试试看是不是符合预期?7 e! U7 u0 b, z, t
    -------
    % ]1 M$ W! ]6 M9 K6 @3 r不好意思, ...
    6 e  u" `2 W# o" P: O5 E
    谢谢,算法应该没问题,就是最简单的线性回归。1 Z% `" p/ t7 R7 `6 H; m( d, X
    我特意没有用现成的工具,就是想从最基本的地方深入理解一下。
    回复 支持 反对

    使用道具 举报

    该用户从未签到

    地板
    发表于 2023-2-14 22:00:48 | 只看该作者
    本帖最后由 老福 于 2023-2-14 22:02 编辑 - h, a: a1 X  e0 j
    雷达 发表于 2023-2-14 21:526 [) r  D0 p4 W: ^/ N  D! F& n& w
    谢谢,算法应该没问题,就是最简单的线性回归。
    " _: s1 _, E5 {. Y6 r  M( W我特意没有用现成的工具,就是想从最基本的地方深入理解 ...
      \9 A% C  i5 F2 M" K
    9 u5 i% b, `& g- ^3 t
    刚才更新了一下,建议增加循环次数或调一下步长,查一下loss曲线。
      f% t. `; i5 A3 ^" V2 [1 T
    9 a" U% f) I4 t( ?$ Z或者把b但的起点改为1试试。
    回复 支持 反对

    使用道具 举报

  • TA的每日心情
    擦汗
    2024-12-25 23:22
  • 签到天数: 1182 天

    [LV.10]大乘

    5#
     楼主| 发表于 2023-2-15 00:25:26 | 只看该作者
    本帖最后由 雷达 于 2023-2-15 00:31 编辑 7 m+ g5 i7 E' g7 D8 g
    老福 发表于 2023-2-14 22:00; ?2 V$ H7 h( A/ q2 n
    刚才更新了一下,建议增加循环次数或调一下步长,查一下loss曲线。
    ( I" _1 P3 ^1 ^5 S7 d+ w
    0 b. k8 b6 D4 U6 n: x$ H# w8 ?/ d或者把b但的起点改为1试试。 ...
    - \9 `- ~+ L& T9 L$ j
    5 S. M, F* e) N3 T% G, c7 z7 F
    你是对的。
    ; g$ a6 w! l9 B9 r去掉了随机部分+ P7 {5 F, R% c3 ~
    #y = (x*27+15+random.randint(-2,3)).reshape(-1)( q# ?" Q- u0 r1 o+ P, M
    y = (x*27+15).reshape(-1)
    & d# z3 ~; r/ }3 R! a0 u- a3 L
    , H! B- h2 n) t( _循环次数加成10倍,就看到 b 收敛了. o$ a8 f* s  U+ R8 A6 a+ Y5 u
    w , b
    * e/ |+ b7 F" X' a3 |  f. A27.002620697021484 14.826167106628418
    : V! o2 ]5 {3 v4 J
    ) d6 n1 P8 r+ H& [  K9 m和 b 的起始位置无关,但 labeled data 用 y = (x*27+15+random.randint(-2,3)).reshape(-1) ,收敛就很慢。
    回复 支持 反对

    使用道具 举报

    手机版|小黑屋|Archiver|网站错误报告|爱吱声   

    GMT+8, 2025-4-27 11:40 , Processed in 0.034681 second(s), 18 queries , Gzip On.

    Powered by Discuz! X3.2

    © 2001-2013 Comsenz Inc.

    快速回复 返回顶部 返回列表